当前位置: CompoTech China > 专题 >
 

AI 是工业 4.0 重头戏,但"智能制造"另有深意!

本文作者:任苙萍       点击: 2019-09-17 13:56
前言:
在一次旨在探讨"智能制造"的专家集会中,长年持续关注工业革命演变历程的先进表示:以机器取代人力/兽力、电力化与信息化,分别是前三波工业革命的重点,而工业 4.0 的重头戏则是人工智能 (AI)。有趣的是,历史告诉我们:创始发源地,通常不是最后发扬光大的列强,往往是有能力加以应用者方可成为赢家。所谓"智能制造"是借助大数据或 AI 改变生产方式,其目的不外乎:增加效率、降低成本或创造新事业体,而"数字转型"是必经过程。
 
"数据驱动"是智能制造核心
"数字转型"觞于二十年前推动企业 E 化之时,五年前方被大肆宣扬,实务上最大难点在于改变原本旧有惯性。会中提到,经营者的职责之一是要把"面的世界"回公司,不能只埋首在自家资源而忽略创新机会;另一方面,经营者虽不必再钻营技术、但一定要有全面了解,才能做出正确判断。现今,我们正面临少子化、个性化、迭代快又得兼顾质量的外部环境冲击,进而衍生少量多样、实时生产的内部经营挑战,企业思惟亦须适时从传统的"由内而外"(Inside Out) 转为"由外而内"(Outside In),以贴近消费者需求。
 

图1:"由外而内"策略思惟紧扣顾客需求而行
资料来源:
http://taiconsult.com/insight/
 
此外,针对世代交替、运营成本、员工老化等企业主最头疼的问题,若配套得当,智能制造或是解方之一;而从收集、整理、应用、萃取到决策的"数据驱动"(Data Driven),将是智能制造的核心议题。素以国家政策马首是瞻的韩国,预计 2022 年在全国设立 2,000 个智慧工厂,横跨主要产业;不过,这种大象级玩家的策略,未必适合全盘移植到蚂蚁雄兵身上。对中小企业来说,加入既有生态系或从单点应用伺机切入或许才是最佳途径,且可通过产学合作引进外部资源;然而,一个现实困境是:如何跟企业主交代投资报酬率 (ROI)?
 
切莫沦为"思想巨人、行动侏儒"
目前智能制造多属须事先标记的"监督式学习"(强化学习仍在演进中),信息科技 (IT) 和操作技术 (OT) 是否能顺利融合资料将是关键。以 AI 为引擎,进而建模、萃取特征值的成效并非立竿见影;根据实务经验,6~8 个月的时间顶多只够做概念验证 (POC),根本谈不上 ROI,那么,要怎么说服组织继续走下去?专家建议,设定"阶段性里程碑"是可行之道,例如:何时完成瑕疵检测?再过多久能实现预防性维护?如此,既可增加企业主信心,又利于灵活决策——以运营目的为纵轴、系统需求为横轴交叉比对,依业态决定当下要优先进行哪些工程。
 
 
业界人士分享,通常有志于智能制造的企业可分为四大类:1.历史悠久的老厂,此类最重视 ROI 指标;2.工艺成熟的业者,在意的是上、下游的连动关系;3.新创公司,这是最勇于尝试的一群,但十分期盼短时间要能见到"亮点",如:良率提升;4.喜欢追逐产业热点的企业主,或有"思多行少"的潜在风险。进一步观察,"数据采集"是导入智能制造的最大障碍,有高达八成的阻力源自于此;再者,与整体设备效率 (OEE)、项目管理系统 (PMS)、制造执行系统 (MES) 等周边整合工程浩大,所以,企业高层的大力支持着实至关重要。
 
边缘到云台,研华"WISE-PaaS"堆栈软件服务
布署物联网 (IoT)"平台即服务"(PaaS) 有成的研华科技 (Advantech) 强调在 AI 引擎之外,数据是不可或缺的燃料、重要性更甚算法;挟着工业电脑蕴藏丰富数据的优势,研华建构"WISE-PaaS"AIoT 边缘到云台的软件服务平台,具备五大特色:在线开发、排程训练、模型管理、云台及边缘计算。除了以"应用程序性能管理"(APM) 统一控管机台数据,将现场特征值显示在仪表板以便监看并记录生产履历,"WISE-PaaS"还能利用 Data Driven 找出关键因子做多因素分析及预测性质量分析 (PQA) 并给予调整建议,对于现场温控不易的传产帮助尤大。
 

图3:研华第三代"WISE-PaaS"架构
资料来源:
https://wise-paas.advantech.com/zh-tw/industrial-iot
 
特别一提的是,这些数据可在地端做边缘计算、为特征值扩增建模,并经由空中接口 (OTA) 更新模型、实时切换特征值模型,便于搭配 MES 随时调度产能,例如:同一产线换线生产。研华并精筛不同产业的关键数据、深耕垂直领域,将最上层应用程序包装成容易套用的 Solution Ready Platform (SRP) 方案。新版"WISE-PaaS"架构还包括 AI 框架服务 (AI Framework Service, AFS),用户只须选定算法,就能一次应对开发、验证、上线、部署等挑战。然而,就在多数人将智能制造定格在生产端时,已有先知将眼界延伸至消费市场的观感。
 
不只生产面!"工业 4.1"为市场多想一点
台湾成功大学智能制造研究中心 (iMRC) 主任郑芳田亦认同,多年前 E 化制造已具备数据收集和自动化雏形,直到擅长机械的德国将"云台计算"与之连结,终让工业 4.0 蔚为风潮;但郑芳田认为,工业 4.0 只着重生产力提升,品管仍使用一般统计制程控制 (SPC) 处理,这是远远不够的!因为从市场面来说,顾客只会在意产品是否有瑕疵,而感觉不到工厂中的排程、机台状况如何;在追求高产能的同时,绝不能忽视产品质量;回顾当年三星 Note7 手机电池爆炸事故只占总产量极小比例,就足以让四、五百万支的手机品牌声誉一夕坠入谷底。
 

照片人物:成功大学智能制造研究中心 (iMRC) 主任郑芳田
 
郑芳田主张,智能制造必须进化到"零缺陷"(Zero Defects) 才是王道,亦是制造科学的最高境界,惟有仰赖经济实惠的"在线实时全检"方能达成,且这种方法应要普遍适用于各行各业。智能制造系统架构将扩及"E 化制造、AI、ICT 技术与 3D打印"四大部分,业界迫切需要包括整厂应用、系统框架和核心技术在内的 Total Solution;工业 4.0 再加上全自动虚拟量测 (AVM)、智能型预测保养 (IPM)、智能型良率管理 (IYM) 和先进制造物联云 (AMCoT),就能进级到"工业 4.1",正是成大智能制造研究中心的愿景,分为两阶段实施。
 
零缺陷交货&生产,"智能工厂自动化"轻松建置
第一阶段先以"零缺陷交货"为目标,第二阶段则是志在"零缺陷生产",上述观点已于 2016 年在 IEEE 发表。其中,AVM 系统的好处是:1.无法进行产品实测时,可从生产机台参数推估产出质量以达全检效果;2.可在云台批次 (Run to Run) 作业;3.使用神经网络及回归演算、且可自动更新,即使需要移植模型也能自动调试;4.用于少量多样生产或多机台运作,可自动扩散。只有通过 AVM 检核、合乎客户要求者才能正式交货,其余遭到汰除的瑕疵品则可作为日后持续改善、提升良率的基准,直臻于至善。
 

图4:"全自动化型虚拟量测的服务器与系统及方法"曾荣获台湾发明创作发明金奖
资料来源:
https://www.tipo.gov.tw/ct.asp?xItem=209865&ctNode=7190&mp=1
 
另为落实智能工厂自动化 (iFA),iMRC 携手中华电信等厂商共组智能制造方案战略联盟,与中华电信 Hicloud 共推两种"制造服务自动建置机制"(MSACS) 版本:随机买断 vs. 云台订阅。郑芳田介绍,用户可以既有编程语言将智能化应用放到云台,不必费力适应各种开发环境就能建构 AVM 系统,让随机算法软件套件快速且自动地建置成云台制造服务;藉由三段工作流程清楚定义、解决随机软件套件在建构时所遭遇到的问题,减轻人工建置负担。iFA 云台平台系统已成功展示于半导体凸块工艺 (Bumping)、汽机车铝轮圈加工和射出成型吹瓶机等产业。